زمانی استفاده شود که کاربر درخواست ایجاد، ساختاردهی یا ویرایش دفترچههای Jupyter (`.ipynb`) برای آزمایشها، کاوشها یا آموزشها را دارد؛ از قالبهای همراه ترجیح
复制下面这句话，粘贴给 Claude Code、Codex、Cursor 等 AI 编程工具，它会读取安装说明并在你确认后完成安装。
请阅读 https://ai.atlankj.com/install/asset/gh-jupyter-notebook-51f067dd33cb ，按照其中的说明把「jupyter-notebook」安装到你（当前 AI 工具）中。执行前先告诉我将运行的命令和写入的位置，等我确认。
查看 AI 将读取的安装说明正在读取 GitHub 原文…
内容来自 GitHub 原始文件，由原作者维护。在 GitHub 查看
دفترچههای Jupyter تمیز و بازتولیدپذیر برای دو حالت اصلی ایجاد کنید:
قالبهای بستهبندیشده و اسکریپت کمکی را برای ساختار یکنواخت و کاهش خطاهای JSON ترجیح دهید.
.ipynb از ابتدا ایجاد کنید.experiment را انتخاب کنید.tutorial را انتخاب کنید.export CODEX_HOME="${CODEX_HOME:-$HOME/.codex}"
export JUPYTER_NOTEBOOK_CLI="$CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py"
User-scoped skills install under $CODEX_HOME/skills (default: ~/.codex/skills).
هدف را تثبیت کنید.
Identify the notebook kind: experiment or tutorial.
Capture the objective, audience, and what "done" looks like.
از قالب پایهای (scaffold) استفاده کنید. Use the helper script to avoid hand-authoring raw notebook JSON.
uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \
--kind experiment \
--title "Compare prompt variants" \
--out output/jupyter-notebook/compare-prompt-variants.ipynb
uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \
--kind tutorial \
--title "Intro to embeddings" \
--out output/jupyter-notebook/intro-to-embeddings.ipynb
دفترچه را با گامهای کوچک و قابل اجرا پر کنید. Keep each code cell focused on one step. Add short markdown cells that explain the purpose and expected result. Avoid large, noisy outputs when a short summary works.
الگوی مناسب را اعمال کنید.
For experiments, follow references/experiment-patterns.md.
For tutorials, follow references/tutorial-patterns.md.
هنگام کار با دفترچههای موجود، با احتیاط ویرایش کنید.
Preserve the notebook structure; avoid reordering cells unless it improves the top-to-bottom story.
Prefer targeted edits over full rewrites.
If you must edit raw JSON, review references/notebook-structure.md first.
نتیجه را اعتبارسنجی کنید.
Run the notebook top-to-bottom when the environment allows.
If execution is not possible, say so explicitly and call out how to validate locally.
Use the final pass checklist in references/quality-checklist.md.
assets/experiment-template.ipynb و assets/tutorial-template.ipynb قرار دارند.Script path:
$JUPYTER_NOTEBOOK_CLI (نصب پیشفرض: $CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py)tmp/jupyter-notebook/ برای فایلهای میانی استفاده کنید؛ پس از اتمام حذف کنید.output/jupyter-notebook/ بنویسید وقتی در این مخزن کار میکنید.ablation-temperature.ipynb).Prefer uv for dependency management.
Optional Python packages for local notebook execution:
uv pip install jupyterlab ipykernel
The bundled scaffold script uses only the Python standard library and does not require extra dependencies.
هیچ متغیر محیطی اجباری وجود ندارد.
references/experiment-patterns.md: ساختار آزمایش و قواعد سرانگشتی.references/tutorial-patterns.md: ساختار آموزش و جریان تدریس.references/notebook-structure.md: شکل JSON دفترچه و قوانین ویرایش ایمن.references/quality-checklist.md: چکلیست اعتبارسنجی نهایی.سلب مسئولیت: این سند با استفاده از سرویس ترجمهٔ مبتنی بر هوش مصنوعی Co-op Translator (https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است حاوی خطاها یا نادرستیهایی باشند. نسخهٔ اصلی سند به زبان مادریاش باید بهعنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمهٔ حرفهای انسانی توصیه میشود. ما در قبال هر گونه سوءتفاهم یا تفسیر نادرستی که از استفاده از این ترجمه ناشی شود، مسئولیتی نداریم.